자동상호정보함수 기반 전동기 상태 모니터링 하드웨어 구현

초록

본 논문은 인덕션 전동기의 진동 데이터를 이용해 자동상호정보함수(AMIF)를 계산하고, 이를 FPGA 기반 하드웨어로 구현함으로써 전동기 노후를 실시간으로 감지하는 방법을 제시한다. MATLAB HDL Coder를 활용해 Verilog 코드로 변환하고, DE2i‑150 보드에 탑재한 설계는 12 kHz 샘플링 속도에서도 충분히 동작한다. 실험 결과, AMIF 최소값을 이용한 지연시간 추정이 전동기 상태를 이진 구분하는 데 효과적임을 확인하였다.

상세 분석

이 연구는 동적 시스템 이론에서 활용되는 자동상호정보함수(AMIF)를 전동기 상태 모니터링에 적용하고, 이를 실제 하드웨어로 구현한다는 두 가지 혁신을 동시에 추구한다. 먼저, AMIF는 두 시계열 사이의 상호 의존성을 정량화하여 최적의 지연시간을 제공한다. 전통적으로는 Lyapunov 지수 계산을 위한 위상공간 재구성에 사용되었으나, 저자들은 진동 신호의 첫 번째 최소값을 지연시간으로 채택하고, 이를 통해 전동기의 노후 정도를 판단한다. 이때 Cao의 차원 추정 알고리즘을 보조적으로 사용해 임베딩 차원을 결정하려 했지만, 12 kHz, 120 k샘플 규모의 데이터에서는 차원 재구성이 실용적이지 않음이 확인되었다.

하드웨어 구현 측면에서는 MATLAB HDL Coder를 이용해 기존 MATLAB 코드를 Verilog로 자동 변환한 뒤, 수동 최적화를 거쳐 DE2i‑150(Altera Cyclone IV + Intel Atom) 보드에 탑재하였다. 핵심 설계는 실시간 히스토그램 업데이트와 AMIF 계산을 병렬화한 구조로, 각 지연값(l)마다 독립적인 히스토그램 AB를 유지한다. 데이터 샘플이 들어올 때마다 히스토그램 A와 B의 카운트를 증감시키고, AB의 해당 행·열을 수정함으로써 연산량을 O(1) 수준으로 제한한다. 128 레벨 양자화 기준으로는 약 3 k 논리소자를 사용했으며, 보드에 탑재된 150 k 논리소자의 10 % 이하만 차지한다. 클럭 주파수는 3 MHz까지 지원 가능해 12 kHz 샘플링에도 여유가 있다.

실험은 인공 노화 프로세스를 적용한 8단계(상태 0~7) 전동기 진동 데이터를 활용했다. 각 상태에서 512‑샘플 윈도우 15개를 추출해 32 레벨 양자화로 AMIF를 계산했으며, 첫 번째 최소값이 상태 0에서는 4, 상태 7에서는 1로 명확히 구분되었다. 이는 AMIF가 연속적인 악화 지표가 아니라 ‘양호‑노후’ 이진 경계에 적합함을 의미한다. 하드웨어 테스트에서는 동일한 결과가 재현되었으며, 연산 지연은 수 마이크로초 수준에 머물렀다.

한계점으로는 히스토그램 메모리 요구량이 양자화 레벨 제곱에 비례해 급증한다는 점과, 실제 센서와의 인터페이스 구현이 논문에 상세히 제시되지 않았다는 점을 들 수 있다. 또한, AMIF 기반 방법이 다중 고장 유형을 구분하거나 연속적인 손상 정도를 정량화하는 데는 한계가 있다. 향후 연구에서는 메모리 효율을 높이는 압축 히스토그램 기법, 다중 지연값 동시 처리, 그리고 다른 비선형 특성(예: 상호엔트로피, 퍼뮤테이션 엔트로피)과의 결합을 통해 보다 정교한 상태 진단 체계를 구축할 수 있을 것이다.